[发明专利]基于合成分析反卷积网络的快速成像方法及系统

权利要求书

1.一种基于合成分析反卷积网络的快速成像方法，包括以下步骤：

步骤(a)：在融入了反卷积网络和马尔科夫随机场先验信息的合成分析反卷积网络框架上用图像库进行滤波器训练，建立滤波器训练模型；

步骤(b)：在训练滤波器过程中利用轮换技术更新滤波器和稀疏系数，并利用迭代重加权最小二乘方法和共轭梯度下降法更新滤波器；利用增加辅助变量方法和共轭梯度下降法更新稀疏系数；

步骤(c)：在合成分析反卷积网络框架上融入已训练好的滤波器，从欠采样K空间中获取初始图像，建立图像重建模型；

步骤(d)：在图像重建过程利用轮换技术、增加辅助变量方法和迭代重加权最小二乘方法，进行稀疏系数更新、目标图像更新；

步骤(e)：满足收敛条件，得到重建图像；

所述步骤(b)为：

根据固定滤波器，更新稀疏系数，分离出的与稀疏系数z有相关的子问题，通过增加辅助变量方法和共轭梯度下降法更新稀疏系数；

根据固定稀疏系数，更新滤波器，分离出的与滤波器有相关的子问题，通过迭代重加权最小二乘方法和共轭梯度下降法更新滤波器d；

所述步骤(d)为：

根据固定目标图像，更新稀疏系数，分离出的与稀疏系数z有相关的子问题，通过增加辅助变量方法和共轭梯度下降法更新稀疏系数z；

根据固定稀疏系数，更新目标图像，分离出的与目标图像x有相关的子问题，通过迭代重加权最小二乘方法和共轭梯度下降法更新目标图像x。

2.根据权利要求1所述的基于合成分析反卷积网络的快速成像方法，其特征是所述步骤(a)为：

在融入了反卷积网络和马尔科夫随机场先验信息的合成分析反卷积网络框架上用图像库进行滤波器训练，建立如下滤波器训练模型；

其中，模型中第一项表示为重建误差，第二项表示用l₁范数约束稀疏系数，第三项表示分析算子模型的马尔科夫随机场先验信息稀疏性；d表示滤波器，z表示稀疏系数，λ₁和λ₂是两个分别平衡合成稀疏性和分析稀疏性先验信息权重的惩罚参数。

3.根据权利要求1所述的基于合成分析反卷积网络的重建模型，其特征是所述步骤(c)为：

根据训练好的滤波器，从欠采样K空间中获取初始图像，建立如下图像稀疏表示模型：

s.t.z_c,0＝x_c

其中，M为部分欠采样算子，y为采集到的部分k-空间数据，λ₃和λ₄是欠采样K空间中重建图像信息稀疏表示的惩罚参数。